النمذجة الاحصائيه للربط القشري باستخدام التصوير الكهربي غير الغازي
Summary
توفر تقنيات تحليل التخطيط الدماغي القياسية رؤية محدوده لوظيفة الجهاز العصبي. وتوفر النماذج الاحصائيه للتوصيليه القشرية قدره أكبر بكثير علي التحقيق في ديناميات الشبكة الاساسيه. ويفتح التقييم الوظيفي المحسن إمكانيات جديده للتشخيص والتكهن والتنبؤ بالنتائج في امراض الجهاز العصبي.
Abstract
التسجيلات الكهربية غير الغازية مفيده لتقييم وظيفة الجهاز العصبي. هذه التقنيات غير مكلفه وسريعة وقابله للتكرار واقل كثافة في استخدام الموارد من التصوير. علاوة علي ذلك ، فان البيانات الوظيفية المنتجة لها دقه زمنيه ممتازة ، والتي لا يمكن تحقيقها مع التصوير الهيكلي.
التطبيقات الحالية لصور الدماغ الكهربي (تخطيط الدماغ) محدوده بطرق معالجه البيانات. تقنيات التحليل القياسية باستخدام بيانات السلسلة الزمنيه الخام في القناات الفردية هي طرق محدوده جدا لاستجواب نشاط الجهاز العصبي. يمكن تحقيق المزيد من المعلومات التفصيلية حول وظيفة القشرية عن طريق فحص العلاقات بين القناات واشتقاق النماذج الاحصائيه لكيفيه تفاعل المناطق ، مما يسمح بتصور الاتصال بين الشبكات.
تصف هذه المخطوطة طريقه لاشتقاق النماذج الاحصائيه لنشاط الشبكة القشرية عن طريق تسجيل تخطيط الدماغ بطريقه قياسيه ، ثم دراسة تدابير الترابط بين الأقطاب لتقييم العلاقات بين المناطق المسجلة. ويمكن اجراء مزيد من الدراسة للتفاعلات بالترتيب الأعلى من خلال تقييم التباين بين أزواج التماسك ، وإنتاج “خرائط” عاليه الابعاد للتفاعلات الشبكية. ويمكن فحص هذه البيانات بنيات لتقييم وظيفة الشبكة القشرية وعلاقتها بعلم الامراض بطرق لا يمكن تحقيقها مع التقنيات التقليدية.
هذا النهج يوفر حساسية أكبر للتفاعلات علي مستوي الشبكة مما يمكن تحقيقه مع تحليل السلسلة الزمنيه الخام. بيد انه يحد من تعقيد التوصل إلى استنتاجات ميكانيكيه محدده بشان السكان العصبيين الأساسيين والكميات الكبيرة من البيانات المتولدة ، مما يتطلب تقنيات احصائيه أكثر تقدما للتقييم ، بما في ذلك الابعاد الحد والنهج القائمة علي المصنفات.
Introduction
هذا الأسلوب يهدف إلى إنتاج الخرائط الاحصائيه للشبكات القشرية علي أساس التسجيلات الكهربائية غير الغازية باستخدام الاعداد القابلة للاستمرار سريريا ، للسماح للتحقيق في امراض الجهاز العصبي ، وتاثير العلاجات الجديدة ، وتطوير الرواية الحيوية الفسيولوجية الكهربائية.
تخطيط الدماغ يوفر إمكانات كبيره للتحقيق في وظيفة الجهاز العصبي والمرض1،2. هذه التكنولوجيا غير مكلفه ، ومتاحه بسهوله في البحوث والإعدادات السريرية ، وعموما جيد التحمل. الطبيعة البسيطة وغير الغازية للتسجيلات تجعل الاستخدام السريري مباشرا ، والإطار الحالي لأقسام تخطيط الدماغ السريرية يسمح بسهوله الوصول إلى التكنولوجيا للأطباء.
من الناحية الفنية ، يوفر تخطيط الدماغ المجال الزمني الممتاز القرار3. هذا هو من اهميه كبيره عند التحقيق في وظيفة الجهاز العصبي بسبب الجداول الزمنيه السريعة للتفاعلات الجهاز العصبي وديناميات الشبكة. في حين ان طرق التصوير مثل الرنين المغناطيسي الوظيفي توفر قدرا أكبر من الدقة المكانية والصور التفسيره بسهوله ، فهي محدوده أكثر بكثير في قدرتها علي استجواب وظيفة الجهاز العصبي علي الموازين الزمنيه الدقيقة التي تقدمها التسجيلات الكهربية 4،5،6.
هناك حاجه متزايدة للقدرة علي استجواب وظيفة الجهاز العصبي لاعلام التشخيص والعلاج ، والتكهن من امراض الجهاز العصبي. ويتزايد الاعتراف بدور ديناميات الشبكة القشرية في علم امراض الجهاز العصبي7. العديد من امراض الجهاز العصبي لا تنتج آلافات الهيكلية المجهرية مرئية مع التصوير التقليدي ، ولكن التشوات التي تنتج علي مستوي الشبكة قد تكون واضحة مع أساليب التحليل الوظيفي المناسبة.
ولسوء الحظ ، فان أساليب تحليل تخطيط الدماغ الحالي محدوده للغاية في هذا الصدد. تتضمن الأساليب التقليدية تحليل بيانات السلاسل الزمنيه البسيطة من الأقطاب الكهربائية الفردية. هذه الإشارات تمثل الجمع بين الإمكانات الميدانية في المناطق القشرية الكبيرة3,8. تحليل البيانات من القناات الفردية في عزله باستخدام اما التفتيش البصري أو الطرق الاحصائيه البسيطة يحد من فائده هذه التسجيلات للكشف عن التشوات الكهربية الاجماليه في مواقع منفصلة وفردية. مع تزايد الاعتراف باهميه الآثار علي مستوي الشبكة لوظيفة الجهاز العصبي وعلم الامراض ، وهذه الأساليب تحليل بسيطه ناقصه بوضوح في انها سوف تفشل في الكشف عن علاقات خفيه بين الإشارات ، والتي تمثل تشوات في كيفيه تفاعل المناطق القشرية مع بعضها البعض علي مستوي الشبكة.
وهناك طريقه لاشتقاق الخرائط الاحصائيه للربط بين الشبكات القشرية والتسجيلات الكهربائية المنخفضة الابعاد. هذا الأسلوب يسمح بالتحقيق في ديناميات التفاعلات بين مناطق الدماغ المختلفة بطريقه غير ممكنة مع تقنيات التحليل التقليدية ، فضلا عن التصور من هذه التفاعلات الشبكة. هذا يفتح امكانيه التحقيق غير الغازية من تاثيرات مستوي الشبكة في قرارات المجال عاليه الوقت بطرق غير ممكنة سابقا. ويستند هذا الأسلوب علي اشتقاق تدابير الترابط بين الأقطاب9،10. وتسمح هذه التدابير بالتحقيق في كيفيه تفاعل منطقتين مسجلتين من خلال تقييم العلاقات الاحصائيه بين تسجيلات هذه المناطق11. ومن خلال تقييم كيفيه تفاعل كل منطقه مسجله مع كل منطقه مسجله أخرى ، يمكن وضع خريطة احصائيه للشبكات الكهربائية الفسيولوجية داخل المناطق المسجلة. وهذا يسمح باكتشاف العلاقات الوظيفية التي لا تظهر علي تقييم البيانات الفردية للقناه بمعزل عن غيرها.
تركز هذه المخطوطة علي استخدام التماسك في السلاسل الزمنيه العصبية. حاليا ، هناك عدد من التقنيات للتحقيق في العلاقات بين البيانات المتسلسلة الزمنيه التي يمكن تطبيقها علي القناات بطريقه التزاوج لاشتقاق نماذج من الاتصال القشري. وتهدف بعض الأساليب ، مثل الاتساق الجزئي ذي الصلة الموجه12،13، إلى استنباط اتجاه تاثير زوج الإشارات الذي تم التحقيق فيه من أجل تحسين توصيف هيكل الشبكات الاساسيه ، بينما الأساليب ، مثل السببية جرانجر14،15، محاولة لاستنتاج العلاقات الوظيفية من خلال قدره اشاره واحده للتنبؤ البيانات في آخر. طرق مثل هذه يمكن تطبيقها بطرق مماثله لتوليد نماذج عاليه الابعاد من الشبكات القشرية. ومع ذلك ، فان مزايا الاتساق كوسيلة للتحقيق في العلاقات بين الإشارات العصبية تكمن في افتقارها إلى الافتراضات. فمن الممكن التحقيق في العلاقات الاحصائيه بين التسجيلات في موقعين دون الادلاء ببيانات حول الأساس الوظيفي لهذه العلاقات وبناء نموذج للاتصال القشرية استنادا فقط علي العلاقات الاحصائيه مع الحد الأدنى من الافتراضات حول الشبكات القشرية توليد هذه الإشارات.
نظرا للطبيعة الرياضية البحتة لهذه التدابير ، فان العلاقة بين مقاييس التماسك لتسجيلات القطب الكهربي في فروه الراس والنشاط العصبي الأساسي معقده16،17. وفي حين تسمح هذه الأساليب اشتقاق الثوابت الاحصائيه التي تصف العلاقات بين تسجيلات القطب للمقارنة ، مما يجعل الاستدلالات السببية المباشرة حول نشاط السكان العصبية الاساسيه المحددة ليست مباشره3,8,16,17. وتسمح هذه النهج بمقارنه النشاط علي مستوي الشبكة بين المجموعات لتحديد المؤشرات الحيوية التي يحتمل ان تكون مفيده ولكنها محدوده من حيث استخلاص استنتاجات محدده بشان علاقة هذه العلامات باليات العصبية المحددة. ويرجع ذلك إلى العدد الكبير من العوامل المربكة التي تؤثر علي النشاط المسجل3، فضلا عن القضايا المتعلقة بتقدير المصدر القشري المحدد للإشارات الكهربائية المسجلة علي مستوي فروه الراس8. وبدلا من ذلك ، يمكن ان تنتج هذه النهج نماذج احصائيه للنشاط يمكن استجوابها ومقارنتها بين المجموعات لتحديد ان الاختلافات موجودة علي مستوي الشبكة18 ويمكن الاستفادة منها لإنتاج العلامات الحيوية الجديدة علي أساس هذه نيات. ومع ذلك ، فان هذه الأساليب وحدها لديها قدره محدوده لربط الخلافات التي ينظر اليها أليات محدده والانشطه العصبية بسبب تعقيد النظام الأساسي.
واستخدام تدابير الشبكة مثل الاتساق راسخ تماما في نظم العلوم العصبية16و17. وقد تم تقييد الإمكانات الكاملة لهذه النهج لنمذجة الوظائف القشرية والتحقيق فيها بسبب عدم استغلال هياكل البيانات العالية الابعاد هذه. ويوضح هذا العمل انه من الممكن تطبيق هذه الإجراءات علي قنوات تخطيط الدماغ بطريقه التزاوج من أجل رسم البيانات علي مساحة المعالم العالية الابعاد التي تعتمد بشكل بحت علي العلاقات الاحصائيه بين النشاط الكهربائي في المناطق القشرية. ويبين أيضا انه باستخدام التقنيات الاحصائيه الحديثة ، من الممكن استخدام النماذج المتولدة من الوظيفة القشرية للتحقيق في هذه النماذج دون فقدان المعلومات المكتسبة في عمليه وضع النماذج.
ومن المحتمل ان تكون هذه الطريقة ذات قيمه في توسيع نطاق تطبيقات تكنولوجيات تخطيط الدماغ الحالية ، وتحسين القدرة علي استنباط تدابير وظيفية مفيده دون الحاجة إلى إدخال تعديلات علي معدات التسجيل الحالية18و19 . من خلال تحسين القدرة علي نمذجة وظيفة القشرية واستجواب هذه النماذج ، يتم توسيع الاسئله التي يمكن التحقيق فيها باستخدام بيانات تخطيط الدماغ. وهذا يفتح المزيد من الفرص لزيادة تكامل التقييمات الوظيفية والهيكلية للتحقيق في الامراض العصبية20،21. هذا النهج ، وذلك باستخدام التكنولوجيا المتاحة علي نطاق واسع بالفعل سريريا ، من شانه ان يسمح التحقيق في الامراض القشرية مع كل من الدقة الزمنيه والمكانية عاليه.
Protocol
Representative Results
Discussion
تسمح الطريقة الموصوفة باشتقاق الخرائط الاحصائيه لديناميكيات الشبكة القشرية من بيانات تخطيط الدماغ غير الغازية. وهذا يسمح بالتحقيق في الظواهر التي لا تظهر بسهوله عند فحص بيانات السلاسل الزمنيه البسيطة من خلال تقييم كيفيه تفاعل المناطق المسجلة مع بعضها البعض ، بدلا من تقييم ما يحدث في كل ?…
Divulgaciones
The authors have nothing to disclose.
Acknowledgements
وقد حظي نشر هذه المخطوطة بدعم جزئي من منحه المحقق الممولة من الشركة الخاصة بالخدمات المقدمة إلى DT.
Materials
| Electrode cap | ElectroCap International | Or any suitable cap | |
| Conductive gel | SignaGel | Or any suitable gel | |
| Pin-type electrodes | BioSemi | Or any suitable electrode | |
| BioSemi Active Two recording system | BioSemi | ||
| ActiView recording environment | BioSemi | ||
| MATLAB software | Mathworks |
Referencias
- Rosenow, F., Klein, K. M., Hamer, H. M. Non-invasive EEG evaluation in epilepsy diagnosis. Expert Review of Neurotherapeutics. 15 (4), 425-444 (2015).
- Sharmila, A. Epilepsy detection from EEG signals: a review. Journal of Medical Engineering & Technology. 42 (5), 368-380 (2018).
- Nunez, P., Srinivasan, R. . Electric Fields of the Brain: The Neurophysics of EEG. , (2006).
- Glover, G. H. Overview of functional magnetic resonance imaging. Neurosurgery Clinics of North America. 22 (2), 133-vii (2011).
- Lin, E., Alessio, A. What are the basic concepts of temporal, contrast, and spatial resolution in cardiac CT?. Journal of Cardiovascular Computed Tomography. 3 (6), 403-408 (2009).
- Kim, S., Richter, W., Uǧurbil, K. Limitations of temporal resolution in functional MRI. Magnetic Resonance in Medicine. 37, 631-636 (1997).
- Fox, M. D. Mapping Symptoms to Brain Networks with the Human Connectome. New England Journal of Medicine. 379, 2237-2245 (2018).
- Makeig, S., Bell, A., Jung, T. P., Sejnowski, T. Independent component analysis of electroencephalographic data. Advances in neural information processing systems. 8, 145-151 (1996).
- Bowyer, S. M. Coherence a measure of the brain networks: past and present. Neuropsychiatric Electrophysiology. , (2016).
- Srinivasan, R., Winter, W. R., Ding, J., Nunez, P. L. EEG and MEG coherence: measures of functional connectivity at distinct spatial scales of neocortical dynamics. Journal of Neuroscience Methods. 166 (1), 41-52 (2007).
- Bullmore, E., Sporns, O. Complex brain networks: graph theoretical analysis of structural and functional systems. Nature Reviews Neuroscience. 10, 186-198 (2009).
- Baccalá, L., Sameshima, K. Partial directed coherence: a new concept in neural structure determination. Biological Cybernetics. 84, 463-474 (2001).
- Sameshima, K., Baccalá, L. Using partial directed coherence to describe neuronal ensemble interactions. Journal of Neuroscience Methods. 94, 93-103 (1999).
- Seth, A., Barrett, A. B., Barnett, L. Granger causality analysis in neuroscience and neuroimaging. Journal of Neuroscience. 35, 3293-3297 (2015).
- Hesse, W., Möller, E., Arnold, M., Schack, B. The use of time-variant EEG Granger causality for inspecting directed interdependencies of neural assemblies. Journal of Neuroscience Methods. 124, 27-44 (2003).
- Nunez, P. L., et al. EEG coherency. I: Statistics, reference electrode, volume conduction, Laplacians, cortical imaging, and interpretation at multiple scales. Electroencephalography and Clinical Neurophysiology. 103, 499-515 (1997).
- Nunez, P. L., et al. EEG coherency II: experimental comparisons of multiple measures. Clinical Neurophysiology. 110, 469-486 (1999).
- Keogh, C., et al. Clinical and genetic Rett syndrome variants are defined by stable electrophysiological profiles. BMC Pediatrics. 18 (1), 333 (2018).
- Peters, J. M., et al. Brain functional networks in syndromic and non-syndromic autism: a graph theoretical study of EEG connectivity. BMC Medicine. 11, 54 (2013).
- Jie, B., Wee, C., Shen, D., Zhang, D. Hyper-connectivity of functional networks for brain disease diagnosis. Medical Image Analysis. 32, 84-100 (2016).
- Zhang, H., et al. Topographical Information-Based High-Order Functional Connectivity and Its Application in Abnormality Detection for Mild Cognitive Impairment. Journal of Alzheimer’s Disease. 54, 1095-1112 (2016).
- Delorme, A., Scott, M. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods. 134, 1 (2004).
- Calabrese, B. . Encyclopedia of Bioinformatics and Computational Biology. , (2019).
- Colic, S., et al. Support Vector Machines Using EEG Features of Cross-Frequency Coupling Can Predict Treatment Outcome in Mecp2-Deficient Mice. Conference Proceedings of the IEEE Engineering in Medicine and Biology Society. , 5606-5609 (2015).
